一种常见的多智能体配置是 planner、solver、verifier 各司其职，工具全开，对所有请求套用同一套结构。查一个报表数值与核对一整本预算表，走的是同一条流程。Google 与亚利桑那州立大学提出的 SHIFT 针对这一做法给出替代方案，即按查询动态构建 harness，简单任务仅保留单个 reader，复杂任务再引入验证回路与 Python 执行。
一、问题与动机
论文将智能体系统的角色、指令、工具与通信结构统称为 harness。其难点在于，一种设计的优劣只能通过实际执行观测，而执行本身产生成本。若为每个查询评估多种候选结构，开销将成倍放大。
Figure 1 展示了这一差异。左侧的固定 harness 以同一 Reader 与 Solver 处理三道任务，简单查询尚可，但列合计计算得到 190、增长率计算得到 10%，两处均错误。右侧 SHIFT 按查询构建结构，简单查询仅用一个 reader，合计任务配置验证回路，增长率任务配置带 Python 的验证器，三道均正确。
二、方法
SHIFT 的核心是一个轻量本地模型，作者称为 architect，基于 Gemma 骨干，接两个输出头。policy 头预测下一步的构建动作，value 头对尚未执行的结构直接估计效用，该效用同时权衡准确率与执行成本。
红框标注两处关键结构，左侧为 policy 与 value 两个头，右侧为 Execute，仅被选中的结构会真正调用执行器。搜索阶段采用蒙特卡洛树搜索，依据架构师的预测组合角色、指令与工具，全程不调用执行器。构建过程在单块 H100 上耗时不足一秒，相对通常持续数十秒至数分钟的执行，额外开销可忽略。训练阶段才实际执行，policy 从搜索访问计数中学习，value 从执行结果中学习，奖励为任务成功减去 token、延迟、超时以及新增工具与智能体的惩罚。该训练成本一次性投入，并在后续查询上摊薄。
三、关键前提，不存在通用 harness
该工作的一个重要论据是，统一配置在多数场景下并不划算。
Figure 3 给出增加结构带来的效用变化，红框标注的两行形成对照。上方算术任务 GSM8K 将智能体数量从 1 增至 4 以上，准确率无提升，token 消耗增至约 19 倍，效用为负。下方财务文档任务 OfficeQA 同样增加结构，准确率提升约 50 个百分点，效用显著为正。同一动作在不同任务上分别表现为浪费与刚需，构成逐查询构建的直接动机。
四、实验结果
实验覆盖六个基准、九千一百九十三个任务，统一采用 Gemini 3.5 Flash 作为执行器，与十七个基线对比。SHIFT-search 平均准确率 79.9%，较最强基线 Trace 高 7.2 个百分点，配对自助法 95% 置信区间为 4.42% 至 9.88%。增益集中于两个长程、工具密集型基准，OfficeQA 上所有基线均低于 30%，SHIFT-search 达 59.3%，GAIA 上达 68.6%，较 Trace 分别高 30 与 15 个百分点。在算术与多跳问答等短程任务上，单个 agent 已接近上限，瓶颈位于模型而非结构，SHIFT-search 与领先方法基本持平。
SHIFT-value 为低成本档位，依据预测效用选择结构，平均准确率 74.5%，仍高于全部基线，执行 token 较最强基线减少 32%。同一架构师可同时提供最准确与最经济的两档配置，按预算选择。
五、消融与分析
消融实验进一步验证了若干设计选择。限制动作空间后，仅允许加工具或仅允许改指令，准确率均下降，联合选择较单一维度最多高 9.1 个百分点。搜索与贪心逐步构建的平均准确率基本一致，79.9 对 79.8，但执行 token 减少约三成。仅做一步前瞻的价值贪心成本最低，准确率却降至 60.2，原因在于无法为需要后续步骤才显现收益的智能体计分。价值头的选择能力也经过单独验证，在同一候选池中选取预测效用最高者，HotpotQA 上达 49.6，随机选择仅 39.1。迁移方面，以 GSM8K 训练的架构师不重训直接用于更难的 MATH-500，结合学习到的 policy 与 value 时表现最好。
六、结论与局限
SHIFT 将多智能体系统的构建从依赖经验与试错，推进到可学习、可预测的框架。它以冻结骨干、仅训练 LoRA 的轻量 Gemma 作为架构师，把设计成本从每次推理转移到一次性训练并摊薄，不依赖更大的执行器，在六个基准上同时取得最高平均准确率与显著更低的成本档位，可直接用于智能体产品。
其边界同样明确。方法节省的是执行器调用成本，架构师训练与搜索开销单独计，仅通过摊薄消化。在执行器能力较强、结构对成败影响较小的短程任务上，优势收窄，作者亦指出此类任务的瓶颈位于模型。结构选择依赖预测模型的效用估计，预测精度是关键，当前结果显示其在留出候选中能稳定选出更优结构。方法能否推广到更开放的真实工作流，仍取决于后续复现与生产环境验证。
论文信息
标题 Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction
作者 Som Sagar, Shasha Li, Hejie Cui, Ransalu Senanayake, Sercan Ö. Arık
机构 Google, Arizona State University
PDF https://arxiv.org/pdf/2610.04137